数据分析-24-时间序列预测之基于keras的VMD-LSTM和VMD-CNN-LSTM预测风速

文章目录

  • 1 普通的LSTM模型
    • 1.1 数据重采样
    • 1.2 数据标准化
    • 1.3 切分窗口
    • 1.4 划分数据集
    • 1.5 建立模型
    • 1.6 预测效果
  • 2 VMD-LSTM模型
    • 2.1 VMD分解时间序列
    • 2.2 对每一个IMF建立LSTM模型
      • 2.2.1 IMF1—LSTM
      • 2.2.2 IMF2-LSTM
      • 2.2.3 统一代码
    • 2.3 评估效果
  • 3 CNN-LSTM模型
    • 3.1 数据预处理
    • 3.2 建立模型
    • 3.3 效果预测
  • 4 VMD-CNN-LSTM模型
    • 4.1 VMD分解时间序列
    • 4.2 对各分量建立CNN-LSTM模型
      • 4.2.1 IMF1-CNN-LSTM
      • 4.2.2 统一代码
    • 4.3 效果预测
  • 5 参考附录

1 普通的LSTM模型

采用kaggle平台数据集:2006年至2016年塞格德的气象数据,包括每小时/每日数据,包括温度、压力、风速等。
塞格德的气象数据数据集下载链接
该数据为每小时时间序列数据,一共96453条,包括:时间、天气类型、降水类型、气温、体表温度、湿度、风速(km/小时)、风向(度)、能见度(km)、噪声、气压、全天天气12个变量。

1.1 数据重采样

import numpy as np
import pandas as pd
filename = 'weatherHistory.csv'
df =

你可能感兴趣的:(数据分析,数据分析)